第六章（1至4节） 彩色图像处理

这周，我主要复习了第三章，然后第六章的话，看到了第四节。（学到的东西不是很多吧，主要以浏览和实验为主）

1. MATLAB中彩色图像的表示方法

1.1RGB图像

一幅RGB图像就是彩色像素的一个M*N*3数组，其中每一个像素点都是在特定空间位置的彩色图像相对应的红，绿，蓝三个分量。RGB也可以看成是一个由三幅灰度图像形成的“堆”，当将其送到彩色监视器的红绿蓝输入端时，便在屏幕上产生了一幅彩色图像。

提取RGB分量

t=imread('tem.jpg');
r=t(:,:,1);
g=t(:,:,2);
b=t(:,:,3);

比如，我显示r分量（其它分量也行）上的灰度图。

合成RGB图像

可以利用cat操作符来完成合成。

rgb_image=cat(3,r,g,b);
imshow(rgb_image);

合成彩图之后的效果如下：

在操作中，图像按顺序放置。通常来说，cat(dim,A1,A2,…)沿着dim指定的方向级联数组。例如，若dim=1，则数组垂直放置，若dim=2，则数组水平放置，若dim=3，则它们会在第三个方向放置。

如图：

1.2 索引图像

基本概念：索引图像有两个分量，即整数的数据矩阵X和彩色映射矩阵map。矩阵map是一个大小为m*3且范围由【0 1】之间的浮点值构成的double类数组。map的长度m同它所定义的颜色数目相等。map的每一行都定义单色的红，绿，蓝三个分量。索引图像将像素的亮度值“直接映射”到彩色值。每个像素的颜色由对应的整数矩阵X的值作为指向map的一个指针决定。
如图更能清晰地表达索引图像是什么。

函数dither

该函数可用于灰度图像和彩色图像。“抖动”是在印刷业和出版页中常用的一种处理。在灰度图像的情况下，“抖动”调试图像用在白色背景上产生黑点的二值图像来得到灰色调。点的大小变化多样，从明亮区域的小点到黑暗区域的逐渐增大的较大点。

代码实例如下：

b=imread('test4.jpg');
whitebg('g');
bw=dither(b);

说明一点，函数whitebg可以改变显示的图像的背景，‘g’表示绿色，关于这个参数有很多种形式，不一一赘述了。那接来下看一下效果吧。
如图所示

其中dither函数返回的图像是个二值图像（抖动后的结果）。

函数grayslice

代码实例

X=grayslice(h,256);

该函数通过赋给h一个阈值来生成一幅索引图像，阈值为
1/256 2/256 3/256….. 255/256

其他一些函数如下表，用法都比较简单。

具体对这些函数的应用

函数rgb2ind对减少一幅RGB图像中的色彩数很有用。
采用非抖动的方式。
具体代码如下：

[X1,map]=rgb2ind(f,8,'nodither');
figure,imshow(X1,map);

执行效果如下：

采用抖动的效果如下。（不要忘了把’nodither’改成‘dither’）

两幅图像均只有8种颜色，与24比特RGB图像f可能有超过1600万种颜色相比，8种颜色几乎可以忽略不计。其中抖动处理后的图像显示出了更好的色调，而且轮廓错误明显减少，这是抖动引入的“随机性”的结果。
那么把抖动处理用在灰度图像，会是什么效果呢？

代码如下：

g=rgb2gray(f);
g1=dither(g);
subplot(1,2,1),imshow(g);
subplot(1,2,2),imshow(g1);

效果如下：

我们可以发现用灰度图像来观察抖动效果会更明显一些。其中g是一个灰度图像，g1是一个二值图像，由于dither的返回值。而且g1同样显示出了数据的明显减少。

2. 转换至其他彩色空间

2.1 NTSC彩色空间

在NTSC格式中制式中，图像是由三部分组成的，亮度（Y）,色调（I），饱和度（Q）。亮度分量描述灰度信息，其他两个分量电视信号的彩色信息。Y,I,Q这几个分量都是利用如下变换从一幅图像的RGB分量中得到的：

我们可以看到等式的右边，是两个矩阵相乘的形式，在只包含常数的矩阵中，第一行各元素之和为1，而下两行的和为0。这和预想的一样，因为在一幅灰度图像中，所有的RGB分量都相等。因此，I（色调）和Q（饱和度）分量必然为0。

函数rgb2ntsc

代码实例：

b=imread('tem.jpg');
yig_image=rgb2ntsc(b);
y=yig_image(:,:,1);
I=yig_image(:,:,2);
Q=yig_image(:,:,3);

其中输入图像的类型为uint8，输出类型为double类型，后三行就是利用变换后的图像，提取亮度，色调，饱和度。

2.2 YCbCr彩色空间

在这种格式中，亮度信息用单个分量Y来表示，彩色信息用两个色差分量Cb和Cr来存储。分量Cb是蓝色分量和一个参考值的差。其中将RGB转换成YCbCr所用的函数为

b=imread('美食.jpg');
h=rgb2ycbcr(b);
subplot(2,2,2),imshow(h);
title('YCbCr彩色空间变换');

代码效果：

2.3HSV彩色空间

该颜色系统比RGB系统更接近于人们的经验和对彩色的感知。
将RGB转换为HSV的MATLAB函数是rgb2hsv。

代码实例：

h=rgb2hsv(b);
subplot(2,2,2),imshow(h);
title('Hsv彩色空间变换');

代码效果：

3.彩色图像处理基础

3.1彩色变换

函数interp1q

代码实例：

z=interp1q([0 25]',[0 25]',[0:25]');

这个函数是为了线性插值，它返回一个列向量，该向量包括在点xi（[0:25]’的每个元素）处使用一维函数的线性插值的值。列向量[0 25]’和[0 25]’指定控制点的水平和垂直坐标。x的元素必须单调增长。z的长度等于最后一个参数的长度。产生一个有着26个元素的一一映射，已连接控制点（0，0）和（25，25）。

4.彩色图像的空间滤波

4.1彩色图像平滑

正如第三章学的，用于图像平滑的IPT线性空间滤波器是由函数fspecial产生的。概念上，使用线性空间滤波器平滑RGB彩色图像的步骤如下：

1.提取三幅分量图像。
2.分别对每幅分量图像滤波。
3.重建滤波后的图像。

但是实际操作的时候可以不用这3步都去做，因为IPT的imfilter函数可以直接对RGB图像变换。
代码实例：

h=rgb2hsi(b);
H=b(:,:,1);
S=b(:,:,2);
I=b(:,:,3);
w=fspecial('average',25);
filter=imfilter(I,w,'replicate');
h=cat(3,H,S,filter);
f=hsi2rgb(im2double(h));
f=min(f,1);
figure,imshow(f);
subplot(2,2,1),imshow(b);
title('原图');
subplot(2,2,2),imshow(f);
title('经过滤波器变换后的图像');

执行效果：

变换后的图像明显不是很清晰了，这是由于“平均滤波器”较大，产生了较大的模糊。一般来说，当 掩膜的尺寸减小时，对RGB分量图像进行滤波和对同一幅HSI亮度分量进行滤波时，得到的差别也就减少了。

---

---

图像简单去雾

这周的话，我第六章目前看到了这个地方。然后记得上周，老师和我们讨论的时候，提到了图像去雾问题，相信很多同学应该早就做出来了，我也尝试了一下，主要应用了均衡化函数histeq，使图像的直方图从集中于某个颜色的状态转化成均匀分布状态。

代码如下：

function In=removeFog(img)
%这个函数是通过全局平衡直方图对图像去雾处理
%拆分三原色
r=img(:,:,1);
g=img(:,:,2);
b=img(:,:,3);
%对每个分量进行均衡化
R=histeq(r);
G=histeq(g);
B=histeq(b);
%再把新的RGB分量合成一下
In=cat(3,R,G,B);
%以上就是简单地对一幅图像进行去雾，下面是比较与显示
figure
subplot(2,2,1),imshow(img);
title('原图');
subplot(2,2,2),imshow(In);
title('经过去雾处理后的图像');
t1=rgb2gray(img);
t2=rgb2gray(In);
subplot(2,2,3),imhist(t1);
subplot(2,2,4),imhist(t2);
end

效果如下：

目前，我在学习限制对比度的自适应直方图均衡。。。